anon

confide:anon — 本地 PII 脱敏

使用 shared/confide_core.py 中的分层本地处理栈，从转录文本（或整个文件夹）中脱敏个人身份信息：正则表达式（电子邮件 / URL / 电话号码 / ID / 日期） → Natasha（俄语命名实体）→ 本地 LLM（准标识符）。对文本片段进行区间合并， 并用占位符替换。结果是可安全审阅的 GREEN 副本。

默认情况下，anon 会生成一个可逆映射表：唯一的保留哨兵占位符（完全相同的值始终会变成 相同的 [CONFIDE_<TYPE>_<NNNN]，例如 [CONFIDE_PERSON_0001]、 [CONFIDE_EMAIL_0001]、[CONFIDE_DATE_0002]），以及同级的 <name>.map.json（结构为： schema_version、doc_id、green_sha256、created、entries[]），将每个占位符映射到 原始值。CONFIDE_ 哨兵是保留值——真实转录文本中几乎不会出现，因此不会发生冲突，复原时也绝不会触碰 “Person 1” 这样的普通文字。这是精确值匹配，而非实体共指：词形变化后的形式（例如俄语中的 “Марина”和“Марины”）会对应不同的占位符（不会进行词形还原合并）。该映射表就是秘密——唯一含有原始值的 产物；它会保留在本地，并支持 confide:rehydrate 将真实值还原到对 GREEN 文本的云端分析中 （往返流程：脱敏 → 分析 GREEN 文本 → 在本地还原）。使用 --no-map 可采用旧式的不可逆 [TYPE] 样式（不写入映射表）。

隐私约束（不得违反）

• 仅限本地。 不调用云端 API。原始文本绝不会离开本机。
• 根据设计，原始 PII 只会写入本地、权限为 0600、被 git 忽略的 <name>.map.json，且该文件绝不会离开本机。 绝不会打印原始值，也绝不会写入 GREEN 副本（GREEN 中仅包含占位符；原始文件只读，不会被改写）。映射表是秘密——唯一含有原始值的产物。输出目录中会写入或更新涵盖 *.map.json、 *.view.html 和 *.restored.md 的 .gitignore，确保这些仅限本地的产物不会被提交。如果输出目录看起来与云端同步（iCloud / Dropbox / OneDrive / Google Drive），anon 会打印一条 WARNING，提示秘密映射表可能会被上传。
• 仅统计数量。 标准输出和 *.stats.json 文件只包含数量（按类型、按层、脱敏率），绝不包含 PII 值或脱敏文本转储。
• 仍需人工审阅。 脱敏只是最低限度的保护，并非保证。分享前必须由人工阅读 GREEN 副本。搭配 confide:red 检查残余的重新识别风险。

运行

在单个文件或目录上运行脚本（处理其中所有 .md / .txt 文件）：

python3 skills/anon/scripts/anon.py PATH

对于每个输入，脚本会在文件旁（或写入 --out DIR 指定的目录）生成：

• <name>.green.md — 脱敏后的文本（审阅后唯一适合查看 / 分享的内容）
• <name>.stats.json — 仅包含统计数量
• <name>.map.json — 可逆映射表（秘密；权限为 0600；被 git 忽略；仅限本地）。使用 --no-map 时会跳过。输出目录中也会写入或更新包含 *.map.json 的 .gitignore。

已生成的 *.green.md / *.stats.json / *.map.json 会被跳过，因此可以安全地对文件夹重复运行。

运行后

1. 报告数量摘要（类型、层、脱敏率）——绝不粘贴 PII。
2. 告知用户分享前仍需人工审阅 GREEN 副本。
3. 提醒他们 <name>.map.json 是秘密（包含原始值）——它会保留在本地，绝不提交 / 分发；confide:rehydrate 会用它将真实值还原到对 GREEN 文本的云端分析中。
4. 提供 confide:red，以探查攻击者还能推断 / 关联出哪些信息。

设置

图层可用性（Natasha、通过 Ollama 运行的本地 LLM）和默认值来自配置——如果尚未安装 Natasha/Ollama，请先运行 confide:setup。--layers regex 始终可离线运行。